1 / 11

Effektiv parameterskattning för katalysatormodeller

Effektiv parameterskattning för katalysatormodeller. Presentatör: Björn Lundberg FFI projektnummer: 32282-1, 32282-2 Start: Januari 2010 Slut: December 2014 Stödsumma: 4 520 000 SEK Finansiärer: Energimyndigheten, Johnson Matthey och Scania. Varför behövs katalysatormodellering?.

zeus-hampton
Télécharger la présentation

Effektiv parameterskattning för katalysatormodeller

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Effektiv parameterskattning för katalysatormodeller Presentatör: Björn Lundberg FFI projektnummer: 32282-1,32282-2 Start: Januari 2010 Slut: December 2014 Stödsumma: 4 520 000 SEK Finansiärer: Energimyndigheten, Johnson Matthey och Scania

  2. Varför behövs katalysatormodellering? • Ökad förståelse för mekanismer • Utvärdering av katalysatorprestanda • Styrning och reglering • Systemoptimering

  3. Målsättning Att utvärdera metoder att effektivisera skapandet av katalysatormodeller i fullskala Huvudfokus • Modelltrimning (parameterskattning) • Designa motorbänksexperiment

  4. Parameterskattning mot motorbänksdata* Experimentdesign Motorbänksförsök Experime-ntplan Mätdata DOC Katalysatormodell med globalkinetik Parameterskattning Inloppsdata + parameter- värden Utloppsdata *SAE Int. J. Engines, DOI:10.4271/2014-01-9049

  5. Parameterskattning med hjälp av multivariat dataanalys (MVDA)* • Parameterskattning endast genomförd i punkter valda baserat på parameterkänslighet - Ökad känslighet för parameterändringar - Bibehållen god representation av mätdata *SubmittedtoComputers & ChemicalEngineering

  6. Parameterskattning med hjälp av multivariat dataanalys (MVDA)* *SubmittedtoComputers & ChemicalEngineering

  7. Parameterskattning med hjälp av MVDA - resultat MVDA-metoden gav • En 32 % bättre passning än referensmetoden • En betydligt längre beräkningstid

  8. Erfarenhetsåterföring För att uppnå en bättre anpassning till mätdata behövs • En mer detaljerad kinetikmodell • Bättre förutsättningar att skatta masstransportparametrar • Bättre separation av variabler i data

  9. Försök i labbskala på DOC med inert washcoatlager Förstudie till framtida simuleringar i fullskala • Tydligare effekt av internt masstransportmotstånd • Oberoende reglering av inkoncentrationer • Bra förutsättningar för att anpassa en mer detaljerad kinetikmodell

  10. Ny metod för att skapa transienter i koncentration vid motorbänksförsök* Extra utrustning mellan motorn och katalysatorn som ska modelleras • Sammansättningar som inte är möjliga med en vanlig motorrigg • Snabba koncentrationstransienter vid konstant temperatur *SAE Int. J. Engines, DOI:10.4271/2013-01-9043

  11. Slutsatser • En modell bör vara snabb och noggrann men måste också vara stabil • Att välja en passande detaljnivå för modellen är en stor utmaning • Både masstransport- och kinetikparametrar bör skattas • Den höga korrelationen mellan utkoncentrationerna från motorn försvårar parameterskattningen mot motorbänksdata avsevärt

More Related